¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?
BG/NBD predice transacciones futuras en un contexto no contractual; Gamma-Gamma puede modelar su valor medio bajo supuestos adicionales. La CLV descuenta después esos flujos esperados.
Redacción científica: Marketing Science Center
Respuesta directa
Ordenar clientes por valor futuro esperado con validación temporal.
BG/NBD predice transacciones futuras en un contexto no contractual; Gamma-Gamma puede modelar su valor medio bajo supuestos adicionales. La CLV descuenta después esos flujos esperados.
Fader, Hardie & Lee, RFM and CLV, 2005Fader, Hardie & Lee, BG/NBD, 2005
01
Resumen operativo
Pregunta científica y alcance
¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?
Admisible
Ordenar clientes por valor futuro esperado con validación temporal.
Prohibido
Interpretar la CLV predicha como ganancia causal de una acción de retención.
02
Tres niveles de lectura
- 01
Responsable — Conectar el resultado con una decisión, un umbral útil y un coste de error declarados.
- 02
Profesional — Fijar población, unidad, horizonte, variables disponibles y regla de análisis antes del cálculo.
- 03
Analista — Reproducir el cálculo, cuantificar la incertidumbre y documentar diagnósticos, fallos y sensibilidad.
03
Situación de marketing concreta
BG/NBD predice transacciones futuras en un contexto no contractual; Gamma-Gamma puede modelar su valor medio bajo supuestos adicionales. La CLV descuenta después esos flujos esperados.
04
Pregunta científica y alcance
¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?
Contribución futura esperada y descontada con un modelo BG/NBD declarado y un modelo de valor validado por separado
Datos necesarios
Cliente × ventana de calibración × horizonte de control o predicción
La población, la unidad de análisis, la fecha de origen y el horizonte deben declararse en el entregable. Sin ellos, el estimando cambia sin advertencia.
05
Por qué puede fallar un análisis simple
- Interpretar la CLV predicha como ganancia causal de una acción de retención.
- Entorno no contractual
- Calibración y muestra de control BG/NBD
- Prueba de dependencia frecuencia-valor
06
Intuición del método
El método no convierte automáticamente una asociación en evidencia. Vincula una pregunta declarada con un estimando, una especificación, datos compatibles y una regla de interpretación limitada.
Contribución futura esperada y descontada con un modelo BG/NBD declarado y un modelo de valor validado por separado
07
Datos necesarios
Diccionario de símbolos científicos
predicted_transactions_t- Número esperado de transacciones en el periodo futuro t según el modelo transaccional declarado. Unidad:
transacción· Tipo:número no negativo· Función:entrada mean_value- Valor monetario medio calibrado por transacción según el modelo monetario declarado. Unidad:
euro por transacción· Tipo:número no negativo· Función:entrada margin_rate- Proporción del margen de contribución aplicada de forma coherente al valor de la transacción. Unidad:
proporción· Tipo:número en [0, 1]· Función:entrada discount_rate- Tasa de descuento por periodo alineada con el periodo de predicción. Unidad:
tasa por periodo· Tipo:número mayor que −1· Función:entrada t- Índice del periodo futuro medido desde el origen de predicción declarado. Unidad:
periodo· Tipo:entero positivo· Función:índice CLV- Contribución esperada y descontada durante el horizonte finito declarado, condicionada a ambos modelos calibrados y a los supuestos de agregación. Unidad:
euro· Tipo:número· Función:salida
Entradas exactas y selladas del motor
predicted_transactions_period_1- Valor:
0.8· Unidad:transacción· Tipo:número· Estado de los datos:sintético predicted_transactions_period_2- Valor:
0.7· Unidad:transacción· Tipo:número· Estado de los datos:sintético predicted_transactions_period_3- Valor:
0.6· Unidad:transacción· Tipo:número· Estado de los datos:sintético mean_transaction_value_eur- Valor:
60· Unidad:EUR_por_transacción· Tipo:número· Estado de los datos:sintético contribution_margin_rate- Valor:
0.40· Unidad:proporción· Tipo:número· Estado de los datos:parámetro declarado discount_rate_per_period- Valor:
0.02· Unidad:tasa por periodo· Tipo:número· Estado de los datos:parámetro declarado frequency_value_correlation- Valor:
0.06· Unidad:adimensional· Tipo:número· Estado de los datos:sintético independence_diagnostic_completed- Valor:
1· Unidad:binario· Tipo:entero· Estado de los datos:parámetro declarado monetary_model_calibrated- Valor:
1· Unidad:binario· Tipo:entero· Estado de los datos:parámetro declarado
08
Modelo formal
Modelo formal
Gate: independence_diagnostic_completed = 1 and monetary_model_calibrated = 1; frequency_value_correlation is reported but does not prove independence. CLV = discounted_sum(predicted_transactions_t × mean_transaction_value_eur × contribution_margin_rate / (1 + discount_rate_per_period)^t)Afirmaciones respaldadas: MSC-P028-C01 · MSC-P028-C02 · MSC-P028-C03 · MSC-P028-C04 · MSC-P028-C05 · MSC-P028-C06
Pregunta científica y alcance
Contribución futura esperada y descontada con un modelo BG/NBD declarado y un modelo de valor validado por separado
09
Cálculo declarado
- 01
Exigir un diagnóstico de dependencia completado y la calibración del modelo monetario antes de multiplicar frecuencia y valor.
- 02
Convertir el valor medio de transacción en contribución, multiplicarlo por cada número esperado de transacciones y descontar cada periodo por separado.
- 03
Sumar los flujos descontados solo tras superar ambas comprobaciones y declarar que una correlación muestral baja no prueba independencia.
10
Ejemplo numérico o caso de aplicación
Ejemplo calculado — datos sintéticos o parámetros declarados; ninguna observación real
Entradas selladas
predicted_transactions_period_1=0.8 [transacción]predicted_transactions_period_2=0.7 [transacción]predicted_transactions_period_3=0.6 [transacción]mean_transaction_value_eur=60 [EUR_por_transacción]contribution_margin_rate=0.40 [proporción]discount_rate_per_period=0.02 [tasa por periodo]frequency_value_correlation=0.06 [adimensional]independence_diagnostic_completed=1 [binario]monetary_model_calibrated=1 [binario]
Resultados reproducibles
mean_contribution=€24discounted_flows=[18.823529;16.147636;13.569442]expected_discounted_CLV=€48.540607
Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.
11
Supuestos de validez
- ¿Se calibraron los modelos de frecuencia y valor monetario en una muestra de control adecuada?
- ¿La dependencia entre número y valor de transacciones se evalúa sustantivamente en vez de inferirse de una sola correlación pequeña?
- ¿Horizonte, margen y periodo de descuento están alineados con la decisión?
12
Diagnósticos e incertidumbre
Diagnósticos e incertidumbre
Entorno no contractual · Calibración y muestra de control BG/NBD · Prueba de dependencia frecuencia-valor · Elegibilidad Gamma-Gamma · Convenciones de margen y periodo de descuento
Diagnóstico acotado
La agregación solo se permite tras un diagnóstico declarado de dependencia y la calibración monetaria; una correlación baja no prueba independencia.
Contrato explícito de incertidumbre · not_estimable_from_sealed_inputs
Método: Evaluación explícita de no estimabilidad frente al esquema de entradas sellado.
Objetivo: Incertidumbre del valor descontado del cliente durante un horizonte finito.
Evidencia del motor: diagnostic=aggregation_only_after_declared_independence_diagnostic_and_monetary_calibration_low_correlation_is_not_proof
Interpretación: Las predicciones puntuales y las comprobaciones binarias de calibración no aportan una distribución predictiva; una correlación baja no prueba independencia.
Detenerse si
Interpretar la CLV predicha como ganancia causal de una acción de retención.
13
Interpretación del resultado
- Ordenar clientes por valor futuro esperado con validación temporal.
- El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.
14
Conclusión admisible y prohibida
Admisible
Ordenar clientes por valor futuro esperado con validación temporal.
Prohibido
Interpretar la CLV predicha como ganancia causal de una acción de retención.
15
Decisión de marketing posible
- 01
Ordenar clientes por valor futuro esperado con validación temporal.
- 02
El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.
16
Cuándo usar — cuándo detenerse
Usar si
Ordenar clientes por valor futuro esperado con validación temporal.
Cliente × ventana de calibración × horizonte de control o predicción
Detenerse si
Interpretar la CLV predicha como ganancia causal de una acción de retención.
Alternativas metodológicas
- Ajustar un modelo conjunto de frecuencia y valor cuando la dependencia sea relevante.
- Usar valor no paramétrico por cliente en la muestra de control cuando los supuestos del modelo sean débiles.
- Informar una distribución de valor de horizonte finito en lugar de una sola estimación puntual cuando la incertidumbre sea relevante para decidir.
17
Contrato de reproducibilidad
Python y R son las referencias ejecutables. SPSS y SAS siguen siendo sintaxis secundarias hasta verificarse con los mismos datos, especificación y diagnósticos.
El motor selecciona únicamente el segmento y la rama explícita de esta página. Su hash, salidas y diagnósticos quedan sellados en el expediente atómico; no se permite ninguna rama genérica de respaldo.
Huella del segmento: a2f01105b3c5d241542a4a19ae1afc63bc39cddd8c5ac4fb926e84d214895d42
Recurso disponible · MSC-004
CLV no contractual sintética
CSV · CC0
msc-validation-inputs-v1.csv ↓Python · MIT
msc-validation-reference-v1.py ↓R · MIT
msc-validation-reference-v1.R ↓SPSS / SAS · MIT · solo inspección
SPSS ↓SAS ↓Modelo formal
Gate: independence_diagnostic_completed = 1 and monetary_model_calibrated = 1; frequency_value_correlation is reported but does not prove independence. CLV = discounted_sum(predicted_transactions_t × mean_transaction_value_eur × contribution_margin_rate / (1 + discount_rate_per_period)^t)Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.
18
Entregable final esperado
- 01
¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma? —
Cliente × ventana de calibración × horizonte de control o predicción - 02
predicted_transactions_t · mean_value · margin_rate · discount_rate · t · CLV
- 03
Gate: independence_diagnostic_completed = 1 and monetary_model_calibrated = 1; frequency_value_correlation is reported but does not prove independence. CLV = discounted_sum(predicted_transactions_t × mean_transaction_value_eur × contribution_margin_rate / (1 + discount_rate_per_period)^t) - 04
Entorno no contractual · Calibración y muestra de control BG/NBD · Prueba de dependencia frecuencia-valor · Elegibilidad Gamma-Gamma · Convenciones de margen y periodo de descuento
- 05
Ordenar clientes por valor futuro esperado con validación temporal. / Interpretar la CLV predicha como ganancia causal de una acción de retención.
19
Fuentes científicas y estado de la evidencia
Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.
MSC-P028-C01— El modelo monetario supone un valor individual estable de las transacciones.MSC-P028-C02— Los procesos de valor monetario y transacciones requieren un supuesto de independencia.MSC-P028-C03— Los componentes del modelo se comprueban con pruebas en muestra de control.MSC-P028-C04— La CLV se expresa como valor esperado descontado para una base de clientes definida.MSC-P028-C05— BG/NBD es el modelo declarado de compras repetidas.MSC-P028-C06— La comparación citada es empírica y está limitada a los entornos de compra estudiados.
Datos · Herramienta
Conexiones metodológicas